復(fù)雜社會網(wǎng)絡(luò)傳播模式的研究.pdf

1、近年來，復(fù)雜網(wǎng)絡(luò)研究得到了迅速的發(fā)展，復(fù)雜網(wǎng)絡(luò)廣泛地存在于自然界和人類社會中，包括食物鏈網(wǎng)絡(luò)、Internet、神經(jīng)網(wǎng)絡(luò)以及WWW（World Wide Web）等。這些網(wǎng)絡(luò)通常具有如下特性：度滿足冪律分布、較小的平均路徑長度以及較大的聚集系數(shù)?，F(xiàn)在，除了對網(wǎng)絡(luò)的拓撲結(jié)構(gòu)進一步探討之外，越來越多的研究者開始關(guān)注復(fù)雜網(wǎng)絡(luò)拓撲結(jié)構(gòu)與其上發(fā)生的動態(tài)性之間的相互聯(lián)系。本論文的主要貢獻在以下兩個方面：
　　首先深入研究了復(fù)雜社會網(wǎng)絡(luò)中擴散最

2、大化問題，即：如果我們能夠說服一部分用戶采用某種新行為（或新產(chǎn)品），基于特定的擴散模型，如何選擇這些有影響力的用戶（稱為種子用戶），使行為擴散最大化？本文提出了類似 Pagerank的啟發(fā)式的種子節(jié)點選擇算法，該算法中采用影響力折扣機制來緩解行為擴散中存在的“重疊效應(yīng)”。然后，我們利用人工產(chǎn)生的社會網(wǎng)絡(luò)圖（具有冪律度分布和小世界特性）以及真實的社會網(wǎng)絡(luò)結(jié)構(gòu)，對提出的算法進行仿真驗證。結(jié)果表明，我們提出的Pagerank類似的啟發(fā)式算法在

3、性能上優(yōu)于已有的基于度的啟發(fā)式算法（DegreeDiscount），且性能與貪婪式算法相匹配。
　　鑒于在復(fù)雜社會網(wǎng)絡(luò)中，存在大量的用戶之間相互影響相互協(xié)調(diào)并做出決策的事例，本文深入研究了基于平均場理論的復(fù)雜社會網(wǎng)絡(luò)中行為擴散模式。具體而言，本文首先設(shè)計了特定的擴散模型，該模型考慮了采用某行為的鄰居節(jié)點絕對數(shù)目、相對比率以及節(jié)點的總鄰居數(shù)目對該節(jié)點選擇行為的影響。然后采用平均場理論對擴散過程進行分析，研究了網(wǎng)絡(luò)結(jié)構(gòu)對行為擴散的影響